将预测请求发送到部署

成功添加部署后，可以根据分配给部署的模型，从你的话语中查询意图和实体预测。 可以通过 预测 API 或客户端库（Azure SDK）以编程方式查询部署。

测试已部署的模型

部署模型后，可以通过发送预测请求来测试模型，以使用实际话语评估其性能。 在将模型集成到生产应用程序之前，测试有助于验证模型是否准确识别意图并按预期提取实体。 可以使用 REST API 或 Azure SDK 客户端库测试部署。

发送对话语言理解请求

首先需要获取资源密钥和终结点：

在 Azure 门户中，转到资源概述页面。 在左侧菜单中，选择“密钥和终结点”。 使用端点和密钥来进行 API 请求

查询您的模型

使用以下 URL、标头和 JSON 正文创建 POST 请求，开始测试对话语言理解模型。

请求的 URL

{ENDPOINT}/language/:analyze-conversations?api-version={API-VERSION}

标头

使用以下标头对请求进行身份验证。

请求主体

{
  "kind": "Conversation",
  "analysisInput": {
    "conversationItem": {
      "id": "1",
      "participantId": "1",
      "text": "Text 1"
    }
  },
  "parameters": {
    "projectName": "{PROJECT-NAME}",
    "deploymentName": "{DEPLOYMENT-NAME}",
    "stringIndexType": "TextElement_V8"
  }
}

发送请求后，你会收到以下预测响应

响应体

{
  "kind": "ConversationResult",
  "result": {
    "query": "Text1",
    "prediction": {
      "topIntent": "inten1",
      "projectKind": "Conversation",
      "intents": [
        {
          "category": "intent1",
          "confidenceScore": 1
        },
        {
          "category": "intent2",
          "confidenceScore": 0
        },
        {
          "category": "intent3",
          "confidenceScore": 0
        }
      ],
      "entities": [
        {
          "category": "entity1",
          "text": "text1",
          "offset": 29,
          "length": 12,
          "confidenceScore": 1
        }
      ]
    }
  }
}

对话项目的 API 响应

在对话项目中，系统将同时返回项目中定义的意图和实体的预测结果。

• 意图和实体包括一个介于 0.0 到 1.0 之间的置信度分数，该分数与模型对于预测项目中某个元素的信心程度相关。
• 评分最高的意图将单独输出在专属参数中。
• 仅有预测的实体会出现在您的响应中。
• 实体指示：
  • 提取的实体的文本
  • 用偏移值表示的开始位置
  • 用长度值表示的实体文本的长度。

还可以使用 Azure SDK 提供的客户端库将请求发送到模型。

1. 在 Azure 门户中，转到资源概述页面

2. 在左侧菜单中，选择“密钥和终结点”。 使用 API 请求的端点，您需要请求标头的 Ocp-Apim-Subscription-Key 密钥。

   

3. 下载并安装所选语言的客户端库包：

   语言	软件包版本
   .NET	1.0.0
   Python	1.0.0

4. 安装客户端库后，请在 GitHub 上使用以下示例开始调用 API。

   • C#
   • Python

5. 有关详细信息， 请参阅 以下参考文档：

   • C#
   • Python

后续步骤

• 对话语言理解概述